Académique Documents
Professionnel Documents
Culture Documents
Traitement d’Images
2022 - 2023 M. SID AHMED BERRABAH
M1 - MID423
PROGRAMME
2
Introduction au TI
Histogramme & Opérations Pixel
Filtres : Voisinage et traitement spatial
Filtres linéaires et non linéaires
Opérations Morphologiques
Détection de contours
Segmentation
30/01/2023
PROGRAMME
3
Introduction au TI
Image et Image numérique ?
Traitement d’Image (TI) ?
Exemples de TI
Applications de TI
Étapes essentielles dans le TI
Histogramme & Opérations Pixel
Filtres : Voisinage et traitement spatial
30/01/2023
PROGRAMME
4
Introduction au TI
Histogramme & Opérations Pixel
Définition et calcul de l’Hist d’une Img
Utilisation de l’Hist pour l’analyse de
l’image
Opérations Pixel
Opérations Pixel et Histogramme
Normalisation de l’Hist
Filtres : Voisinage et traitement spatial
30/01/2023
PROGRAMME
5
Introduction au TI
Histogramme & Opérations Pixel
Filtres : Voisinage et traitement spatial
Définition de voisinage du pixel
Définition du filtrage
Applications de filtrage
Filtres linéaires et non linéaires
Opérations Morphologiques
Détection de contours 30/01/2023
PROGRAMME
6
Introduction au TI
Histogramme & Opérations Pixel
Filtres : Voisinage et traitement spatial
Filtres linéaires et non linéaires
Opérations Morphologiques
Détection de contours
Segmentation
30/01/2023
PROGRAMME
7
Introduction au TI
Histogramme & Opérations Pixel
Filtres : Voisinage et traitement spatial
Filtres linéaires et non linéaires
Opérations Morphologiques
Détection de contours
Segmentation
30/01/2023
PROGRAMME
9
Introduction au TI
Histogramme & Opérations Pixel
Filtres : Voisinage et traitement spatial
Filtres linéaires et non linéaires
Opérations Morphologiques
Détection de contours
Segmentation
30/01/2023
PROGRAMME
10
Introduction au TI
Histogramme & Opérations Pixel
Filtres : Voisinage et traitement spatial
Filtres linéaires et non linéaires
Opérations Morphologiques
Détection de contours
Segmentation
30/01/2023
CHAPITRE 1 :
Traitement d’Images :
Introduction
Traitement d’Images
2022 - 2023 M. SID AHMED BERRABAH
M1 - MID423
INTRODUCTION
12
a) Photo de nature
b) Image Synthétique
c) Poster
d) Prise d’écran
e) Illustration noir et blanc (dessin)
f) barre codes
g) empreint digitale
h) Rayon-X
i) Films Microscopique
j) Images Satellitaire
k) Image Radar
l) Astronomie
Traitement d’Image ?
14
Un algorithme qui affecte une image pour créer une nouvelle image
Algorithme de
Traitement d’Image
(e.g Filtre de Sobel)
Élimination de Bruit
Exemples de TI
16
Ajustement du Contraste
Détection de Contour
Exemples de TI
17
Compression d’Image
Du traitement d’image à l’application
18
Analyse d’Image
Segmentation, Recalage d'images, Correspondance, ...
Traitement d’Image
Bas niveau Suppression de bruit, restoration, detection de zones d’interêts
Compression, ...
Fonctions importantes dans le TI
19
Restauration Traitement
de l’image morphologique
Amélioration Segmentation
de l’image
Représentation
Acquisition & description
de l’image
Reconnaissance
d’objet
Scène du
problème
Traitement Compression
d’image couleur d’image
Fonctions importantes dans le TI :
Acquisition d’Image
20
Restauration Traitement
de l’image morphologique
Amélioration Segmentation
de l’image
Représentation
Acquisition & description
de l’image
Reconnaissance
d’objet
Scène du Exemple : prendre une photo
problème
Traitement Compression
d’image couleur d’image
Fonctions importantes dans le TI :
Amélioration de l’Image
21
Restauration Traitement
de l’image morphologique
Amélioration Segmentation
de l’image
Représentation
Acquisition & description
de l’image
Reconnaissance
d’objet
Scène du
problème Exemple : Ajustement du contraste
Traitement Compression
d’image couleur d’image
Fonctions importantes dans le TI :
Restauration de l’image
22
Restauration Traitement
de l’image morphologique
Amélioration Segmentation
de l’image
Représentation
00
Acquisition & description
de l’image
Reconnaissance
d’objet
Scène du
problème Exemple : suppression de bruit
Traitement Compression
d’image couleur d’image
Fonctions importantes dans le TI :
Traitement morphologique
23
Restauration Traitement
de l’image morphologique
Amélioration Segmentation
de l’image
Représentation
Acquisition & description
de l’image
Reconnaissance
d’objet
Scène du
problème Extraire des attribues utiles
Traitement Compression
d’image couleur d’image
Fonctions importantes dans le TI :
Segmentation
24
Restauration Traitement
de l’image morphologique
Amélioration Segmentation
de l’image
Représentation
Acquisition & description
de l’image
Reconnaissance
d’objet
Scène du
problème Détecter les régions constituant l’image
Traitement Compression
d’image couleur d’image
Fonctions importantes dans le TI :
Représentation & description
25
Restauration Traitement
de l’image morphologique
Amélioration Segmentation
de l’image
Représentation
Acquisition & description
de l’image
Reconnaissance
d’objet
Scène du
problème
Transformer les régions pour un traitement de haut niveau
Traitement Compression
d’image couleur d’image
Fonctions importantes dans le TI :
Reconnaissance d’objet
26
Restauration Traitement
de l’image morphologique
Amélioration Segmentation
de l’image
Représentation
Acquisition & description
de l’image
Reconnaissance
d’objet
Scène du
problème Trouver et étiqueter les objets de la scène
Traitement Compression
d’image couleur d’image
Fonctions importantes dans le TI :
Compression d’image
27
Restauration Traitement
de l’image morphologique
Amélioration Segmentation
de l’image
Représentation
Acquisition & description
de l’image
Reconnaissance
d’objet
Scène du Réduire la taille de l’image (ex jpeg)
problème
Traitement Compression
d’image couleur d’image
Fonctions importantes dans le TI :
Traitement d’image couleur
28
Restauration Traitement
de l’image morphologique
Amélioration Segmentation
de l’image
Représentation
Acquisition & description
de l’image
Reconnaissance
Prendre en considération le spectre de couleur, ... d’objet
Scène du
problème
Traitement Compression
d’image couleur d’image
Lumière et spectre Électromagnétique
29
● Imagerie Micro-ondes
● Imagerie Infrarouge
● Photographie
● Imagerie à Rayons-X
Des Images selon les ondes EM
32
● Imagerie Micro-ondes
● Imagerie Infrarouge
● Photographie
● Imagerie à Rayons-X
Des Images selon les ondes EM
33
● Imagerie Micro-ondes
● Imagerie Infrarouge
● Photographie
● Imagerie à Rayons-X
Des Images selon les ondes EM
34
● Imagerie Micro-ondes
● Imagerie Infrarouge
● Photographie
● Imagerie à Rayons-X
Des Images selon les ondes EM
35
● Imagerie Micro-ondes
● Imagerie Infrarouge
● Photographie
● Imagerie à Rayons-X
Des Images selon les ondes EM
36
● Imagerie Micro-ondes
● Imagerie Infrarouge
● Photographie
● Imagerie à Rayons-X
Des Images selon les ondes EM
37
● Imagerie Micro-ondes
● Imagerie Infrarouge
● Photographie
● Imagerie à Rayons-X
Des Images selon les ondes EM
38
● Imagerie Micro-ondes
● Imagerie Infrarouge
● Photographie
● Imagerie à Rayons-X
Lumière et spectre Électromagnétique
39
Vision humaine
40
La Définition:
On appelle définition le nombre de points (pixels) constituant une image:
c'est le nombre de colonnes de l'image multiplié par son nombre de
lignes. Une image possédant 10 colonnes et 11 lignes aura une
définition de 10x11.
La résolution :
- C'est le nombre de points contenu dans une longueur donnée (en
pouce). Elle est exprimée en points par pouce (PPP, en anglais: DPI
pour Dots Per Inch). 1 pouce = 2.54 cm.
- La résolution permet ainsi d'établir le rapport entre la définition en
pixels d'une image et la dimension réelle de sa représentation sur un
support physique (affichage écran, impression papier...)
Formule : Calculer la résolution à partir de
la définition et de la dimension
Résumé:
La taille d'une image numérique peut se définir par:
* sa définition en pixels (ex : 640x480 pixels)
* ses dimensions en pouces (ex : 12'')
* sa résolution en dpi ou ppp. (ex: 300dpi)
Exemple:
Quelle est la définition en pixel d'une feuille de 8,5 pouces de largeur
et 11 pouces en hauteur scannée à 300dpi?
Réponse:
300 X 8,5 = 2550 pixels
300 X 11 = 3300 pixels
Caractéristiques de l’Image Numérique
50
Ex: quel est le poids d'une image d'une définition de 640 x 480 codée
sur 1 bit (noir et blanc)?
(640x480) x 1bit
307200 x (1/8) = 38400 octets
38400 / 1024 = 37,5 ko
Modes de couleurs
52
Les Modes colorimétriques RVB / CMJN: Afin de créer des images encore
plus riches en couleurs, l'idée de mélanger des couleurs primaires en «
couches » est arrivée. Il existe deux systèmes de représentation des couleurs
par mélange, selon qu'on les reproduisent sur un écran ou sur support papier
via une imprimante :
En mode RVB, Les 3 canaux sont donc séparés en 3 couches afin d'offrir
de nouvelles combinaisons de couleurs possibles par la variation de
chaque couleurs primaires.
Lorsqu'on travaille en mode CMJN pour réaliser un document imprimé, il
y aura donc 4 couches pour réaliser ces mêmes couleurs.
Modes de couleurs
57
rouge
vert
Bleu
Modes de couleurs
59
● Il n’est pas possible d’enregistrer les valeurs pour tous les points de l’image
●
La plus importante question concernant la résolution est
combien c’est suffisant ?
●
Cela dépend de :
➢
Le contenu informationnel de l’image (détails)
➢
L’utilisation de l’image (applications)
Quelle résolution choisir ?
65
Image 1 Image 2
Exemple (résolution de l’intensité) :
Saturation & Bruit
67
formats compressés:
Ce sont les formats de fichiers dit « destructifs ». Ils permettent, selon
un algorithme particulier, de gagner plus ou moins de mémoire en
supprimant certaines informations peu ou non perceptible par l'œil
humain.
Exemples : .JIPG, .GIF, .PNG